Menurut Muhammad Taufik, AI Agent memberikan nilai tambah karena mampu memahami konteks yang kompleks, menggunakan tools yang tersedia, serta mengelola beberapa proses secara bersamaan. Dalam pengembangan aplikasi, misalnya, AI dapat menghasilkan beberapa alternatif prototipe website untuk dibandingkan dan dipilih sesuai kebutuhan. Kemampuan ini membantu tim mempercepat eksplorasi ide sejak tahap awal pengembangan.

Namun, Taufik menggarisbawahi bahwa AI Agent tidak menggantikan peran manusia karena kualitas keluaran AI bergantung pada kejelasan konteks dan arah yang diberikan penggunanya. Selain itu, AI mampu menghasilkan banyak keluaran dengan cepat dan tampak meyakinkan, tetapi tidak semuanya relevan atau tepat sasaran, sebuah kecenderungan yang belakangan dikenal dengan istilah "AI slop". Karena itu, pengguna dituntut tidak hanya memberi arahan yang jelas, tetapi juga memiliki kepekaan untuk mengenali ketika AI mulai berlebihan atau menyimpang dari tujuan. Di sinilah manusia berperan sebagai lapisan kendali mutu untuk memastikan keluaran AI sesuai dengan kebutuhan pengembangan.

Salah satu cara tim Piksel menjaga hal tersebut adalah dengan menerapkan guardrail pada AI Agent. Sebelum digunakan, AI Agent dikonfigurasi untuk mengikuti konvensi pengembangan yang telah ditetapkan, mulai dari standar penulisan kode hingga langkah-langkah yang harus dilakukan sebelum melakukan commit. Dengan batasan ini, kode yang dihasilkan tetap rapi dan bebas bug. Terlebih, kode yang menumpuk justru menjadi beban untuk dipelihara, sehingga tim harus tetap memahami kode yang dibuat AI.

Manfaat AI Agent juga dirasakan oleh Elgodwistra Kartikoputro. Menurutnya, AI Agent membantu pengguna mengeksplorasi berbagai kemungkinan solusi, terutama bagi mereka yang baru memasuki dunia pengembangan. Selain itu, AI dapat membantu mengidentifikasi bug atau error pada kode program, menjelaskan penyebabnya, serta memberikan rekomendasi perbaikan yang dapat segera diuji oleh pengembang.

Kehadiran AI Agent sangat membantu mempercepat pengembangan Piksel yang cukup kompleks, sekaligus memudahkan proses onboarding anggota tim meski dengan pengalaman yang terbatas, selama AI Agent telah diberi guardrail dan mengikuti konvensi pengembangan. Karena itu, tim Piksel terus mengeksplorasi sejauh mana AI Agent dapat dimanfaatkan.

Hingga saat ini, Piksel telah menghasilkan GeoMAD untuk seluruh wilayah Indonesia menggunakan data Sentinel-2 pada periode 2021 hingga 2025. Menurut Wahyu Lazuardi, proses pengolahan dilakukan dengan membagi wilayah Indonesia menjadi 1.631 tile berukuran 6 km × 6 km. Pendekatan ini memungkinkan pemrosesan data dilakukan secara paralel sehingga mampu menangani volume data yang sangat besar dalam waktu yang relatif singkat.

Seluruh proses produksi GeoMAD dijalankan menggunakan Argo Workflows pada infrastruktur komputasi awan yang memanfaatkan lebih dari 250 CPU dan memori 2,5 TB. Dengan dukungan komputasi tersebut, pembuatan GeoMAD untuk cakupan satu tahun data Indonesia dapat diselesaikan dalam waktu sekitar tiga hari. Efisiensi ini memungkinkan pembaruan produk dilakukan secara rutin untuk mendukung berbagai kebutuhan analisis geospasial.

Meski demikian, pengembangan GeoMAD masih menghadapi sejumlah tantangan. Ketersediaan data berkualitas pada wilayah yang sering tertutup awan, terutama di daerah pegunungan, menjadi salah satu kendala utama. Selain itu, diperlukan konfigurasi masking awan yang optimal untuk menghasilkan citra berkualitas tinggi, serta pengaturan sumber daya komputasi yang efisien agar pemrosesan data skala nasional dapat berjalan dengan cepat dan andal. Berbagai tantangan tersebut terus menjadi fokus pengembangan untuk meningkatkan kualitas dan manfaat GeoMAD bagi pengguna data geospasial di Indonesia.

Analisis ini memanfaatkan arsip citra satelit Landsat yang tersedia sejak tahun 1984 hingga 2025. Untuk meningkatkan akurasi posisi garis pantai, data citra dikoreksi menggunakan model pasang surut Ina-Tides sehingga perbedaan ketinggian muka air laut pada saat perekaman citra dapat diperhitungkan. Sementara itu, identifikasi batas darat dan perairan dilakukan menggunakan algoritma Combined Water Index yang mengombinasikan Modified Normalized Difference Water Index (MNDWI) dan kanal Near Infrared (NIR), sehingga mampu membedakan area perairan dan daratan dengan lebih baik.

Penggunaan data historis selama lebih dari empat dekade memberikan banyak manfaat bagi pengelolaan wilayah pesisir. Selain memudahkan pemantauan perubahan garis pantai yang berdampak langsung pada masyarakat, analisis ini juga memungkinkan pengukuran laju perubahannya dari waktu ke waktu. Hasil kajian bahkan menunjukkan adanya perubahan garis pantai yang berkaitan dengan peristiwa gempa megathrust Aceh–Nias tahun 2004–2005, yang mengubah kondisi pesisir di beberapa wilayah terdampak.

Meski demikian, pemetaan garis pantai di Indonesia memiliki tantangan tersendiri. Karakteristik perairan yang sangat beragam menyebabkan tidak ada satu algoritma yang selalu cocok untuk seluruh wilayah pesisir. Kesalahan delineasi garis pantai juga dapat terjadi pada area tambak, kolam, atau danau yang memiliki karakteristik spektral mirip dengan perairan laut. Oleh karena itu, pemilihan algoritma yang sesuai dengan kondisi lokal menjadi faktor penting untuk menghasilkan informasi garis pantai yang akurat dan dapat diandalkan sebagai dasar pengambilan keputusan.

Dalam program magang ini, para mahasiswa mengangkat tema penelitian yang relevan dengan kebutuhan pengelolaan sumber daya alam dan lingkungan, yaitu identifikasi sebaran terumbu karang, deteksi tumpahan minyak, dan analisis spatio-temporal mangrove. Untuk mendukung kegiatan tersebut, digunakan data satelit Sentinel-1 dalam deteksi tumpahan minyak, sementara Sentinel-2 dimanfaatkan untuk analisis terumbu karang dan mangrove. Melalui kegiatan ini, mahasiswa tidak hanya mempelajari teori, tetapi juga menerapkannya langsung pada studi kasus yang nyata.

Selama menjalani magang, para peserta memperoleh pengalaman dalam pengolahan data geospasial berbasis komputasi awan melalui platform Piksel. Laili Nisa menuturkan bahwa Piksel mudah digunakan dan memberikan pengalaman yang mirip dengan Google Colab. Sementara itu, Arva Akhadi menjelaskan bahwa sebelum melakukan pengolahan data, mereka terlebih dahulu mempelajari pemrograman Python sebagai bekal utama dalam analisis data. Menurutnya, penggunaan AI sangat membantu dalam proses penulisan kode, meskipun hasil yang diberikan tetap perlu diverifikasi untuk memastikan keakuratannya.

Selain memperoleh pengalaman teknis, para mahasiswa juga menghadapi berbagai tantangan selama proses pembelajaran. Nur Afrizal menyampaikan bahwa salah satu kendala yang ditemui adalah kernel yang terkadang mengalami restart saat proses pengolahan data berlangsung. Kendala tersebut telah disampaikan kepada tim teknis BIG dan sudah ditindaklanjuti untuk perbaikan layanan. Melalui program ini, para peserta berharap dapat meningkatkan kemampuan mereka dalam analisis geospasial sekaligus memperoleh pengalaman praktis yang akan menjadi bekal berharga dalam dunia profesional di masa depan.

Workshop tersebut diikuti oleh 7 orang staf dari Direktorat Pemetaan Tematik (DPT) dan Direktorat Pemetaan Rupabumi Wilayah Laut dan Pantai (DPRWLP), BIG. Adapun program ini merupakan tindak lanjut dari Memorandum Saling Pengertian antara BIG dan GA dalam kerangka Marine Resources Initiative (MRI). Pada kesempatan ini USYD bertindak sebagai fasilitator pelatihan dan tuan rumah kegiatan.

Direktur Pemetaan Tematik BIG, Gatot Pramono, menyampaikan apresiasinya kepada pihak GA dan USYD atas keramahan dan kolaborasi yang luar biasa, serta pengetahuan dan pengalaman yang telah dibagikan selama kegiatan berlangsung. Sementara itu, Matthew Ellis dari GA menekankan bahwa kerja sama antara BIG dan GA bukan hanya memperkuat hubungan bilateral, tetapi juga berkontribusi nyata dalam menghadapi tantangan global, seperti krisis iklim dan degradasi lingkungan.

Workshop ini dilaksanakan dengan metode pembelajaran teknis berbasis praktik langsung (hands-on training) menggunakan platform Piksel. Kegiatan menghasilkan dua produk utama, yaitu citra GeoMAD Indonesia bebas awan dari Sentinel-2 serta data garis pantai multitahun berbasis Landsat. Hasil ini menjadi fondasi penting bagi pengembangan produk turunan lain, seperti peta penutup lahan dan analisis kebencanaan. Ke depan, kolaborasi akan terus diperkuat untuk menghasilkan inovasi pemetaan tematik yang mendukung pengelolaan wilayah dan sumber daya alam di Indonesia.

Hasil interpretasi citra Sentinel-2 menunjukkan bahwa luas longsoran di Kampung Pondok Balik relatif stabil pada November–Desember 2025, yaitu sekitar 27.724 m². Memasuki Januari 2026, luas longsoran meningkat menjadi 29.170 m² yang menandakan proses pergerakan tanah masih berlangsung. Perkembangan paling signifikan terjadi antara Januari dan Februari 2026, ketika luas longsoran bertambah sekitar 7.026 m², dari 29.170 m² menjadi 36.196 m². Peningkatan yang cukup tajam ini mengindikasikan adanya fase percepatan aktivitas longsoran yang diduga dipengaruhi oleh tingginya curah hujan dan meningkatnya kejenuhan air dalam tanah.

Pada periode berikutnya, luas longsoran terus bertambah meskipun dengan laju yang lebih rendah, yaitu mencapai 38.180 m² pada Maret 2026 dan 38.901 m² pada April 2026. Setelah itu, tidak teridentifikasi perubahan luas yang signifikan hingga Juni 2026. Secara keseluruhan, area longsoran mengalami peningkatan sekitar 11.177 m² atau 40,3% dibandingkan kondisi awal pemantauan. Stabilnya luas longsoran sejak April hingga Juni 2026 menunjukkan bahwa aktivitas perluasan area longsoran mulai melambat, meskipun kondisi lereng masih perlu dipantau untuk mengantisipasi kemungkinan reaktivasi pada musim hujan berikutnya.

Peta hasil pemantauan memperlihatkan bahwa perubahan area longsoran tidak hanya terjadi pada bagian inti longsoran, tetapi juga berkembang ke arah luar membentuk perluasan yang cukup jelas pada sisi selatan dan tenggara. Tumpang susun batas longsoran dari setiap periode pengamatan menunjukkan pola pertumbuhan yang konsisten, dengan area terdampat semakin meluas dari bulan ke bulan. Informasi ini memberikan gambaran yang lebih jelas mengenai arah perkembangan longsoran dan wilayah yang berpotensi terdampak pada masa mendatang.

Perkembangan spasial yang terekam pada peta menunjukkan bahwa perluasan longsoran cenderung bergerak mengikuti zona lereng yang lebih rendah. Area yang mengalami penambahan luas terbesar berada pada bagian kaki longsoran, yang mengindikasikan adanya perpindahan material ke arah bawah lereng. Pola tersebut menunjukkan bahwa proses gerakan tanah masih aktif meskipun laju perkembangannya mulai menurun pada periode akhir pemantauan.

Salah satu temuan penting dari hasil pemetaan adalah hubungan antara perkembangan longsoran dan terputusnya Jalan Simpang Balik-Blang Mancung. Peta menunjukkan bahwa area longsoran terus bergerak mendekati koridor jalan sehingga jarak antara tepi longsoran dan badan jalan semakin berkurang. Kondisi ini meningkatkan tingkat kerentanan infrastruktur transportasi terhadap kerusakan, baik berupa retakan, penurunan badan jalan, maupun gangguan akses apabila terjadi perkembangan longsoran lanjutan.

Hasil pemantauan berbasis citra satelit Sentinel-2 menunjukkan bahwa metode penginderaan jauh mampu memberikan informasi yang efektif untuk memantau dinamika longsoran secara berkala. Data yang diperoleh tidak hanya menggambarkan perubahan luas area terdampak, tetapi juga menunjukkan arah perkembangan longsoran dan potensi ancamannya terhadap infrastruktur. Informasi tersebut dapat menjadi dasar penting dalam mendukung kegiatan mitigasi bencana, perencanaan penanganan, serta pengambilan keputusan bagi pemerintah dan pemangku kepentingan dalam upaya mengurangi risiko bencana di kawasan Pondok Balik, Kecamatan Ketol, Kabupaten Aceh Tengah.